scikit-learn MinMaxScaler daje nieco inne wyniki niż implementacja NumPy

Question

Porównałem skalowanie Min-Max scikit-learn z jego modułu preprocessing z "ręcznym" podejściem przy użyciu NumPy. Zauważyłem jednak, że wynik jest nieco inny. Czy ktoś ma wytłumaczenie tego?

stosując następujące równanie dla Min-Max skalowania:

która powinna być taka sama jak scikit-learn jednego: (X - X.min(axis=0))/(X.max(axis=0) - X.min(axis=0))

używam obu podejść w następujący sposób:

def numpy_minmax(X): 
    xmin = X.min() 
    return (X - xmin)/(X.max() - xmin) 

def sci_minmax(X): 
    minmax_scale = preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True) 
    return minmax_scale.fit_transform(X) 

Na losowej próbce:

import numpy as np 

np.random.seed(123) 

# A random 2D-array ranging from 0-100 

X = np.random.rand(100,2) 
X.dtype = np.float64 
X *= 100 

Wyniki są nieco inaczej:

from matplotlib import pyplot as plt 

sci_mm = sci_minmax(X) 
numpy_mm = numpy_minmax(X) 

plt.scatter(numpy_mm[:,0], numpy_mm[:,1], 
     color='g', 
     label='NumPy bottom-up', 
     alpha=0.5, 
     marker='o' 
     ) 

plt.scatter(sci_mm[:,0], sci_mm[:,1], 
     color='b', 
     label='scikit-learn', 
     alpha=0.5, 
     marker='x' 
     ) 

plt.legend() 
plt.grid() 

plt.show() 

Answer 1

scikit-learn przetwarzania każdego wyposażone indywidualnie. Tak, trzeba określić axis=0 podczas robienia min, inaczej numpy.min byłby min na wszystkie elementy tablicy, a nie każda kolumna oddzielnie:

>>> xs 
array([[1, 2], 
     [3, 4]]) 
>>> xs.min() 
1 
>>> xs.min(axis=0) 
array([1, 2]) 

samo dla numpy.max; więc prawidłowa funkcja będzie:

def numpy_minmax(X): 
    xmin = X.min(axis=0) 
    return (X - xmin)/(X.max(axis=0) - xmin) 

Robi tak dostaniesz dokładne dopasowanie: